Borsa İstanbul'da şirket finansallarına dayalı yatırım kararlarının makine öğrenmesi yöntemleri ile analizi
Analysis of investment decisions based on company financials in Istanbul Stock Exchange using machine learning methods
- Tez No: 1010170
- Danışmanlar: DR. ÖĞR. ÜYESİ SEDA KARAKAŞ GEYİK
- Tez Türü: Yüksek Lisans
- Konular: Ekonometri, Econometrics
- Anahtar Kelimeler: Lojistik regresyon yöntemi, Makine öğrenmesi yöntemleri, Mali analiz, Portföy yatırımları, Rastgele ormanlar, Logistic regression method, Machine learning methods, Portfolio investments, Random forests
- Yıl: 2026
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Sosyal Bilimler Enstitüsü
- Ana Bilim Dalı: Ekonometri Ana Bilim Dalı
- Bilim Dalı: Yöneylem Araştırması Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu yüksek lisans tez çalışması, BIST 30 endeksinde yer alan banka dışı şirketlerin finansal verilerine dayalı yatırım kararlarının makine öğrenmesi yöntemleri ile analizini konu almaktadır. Türkiye'de finansal piyasalarda makine öğrenmesi kullanımını inceleyerek finansal okuryazarlığın teknolojik tarafına katkı sağlamayı da hedefleyen bu çalışmanın temel amacı, finansal piyasalardaki artan belirsizlikler ve bilgi asimetrisi sorunları karşısında yatırım kararlarında nesnel ve veri odaklı yaklaşımların önemini vurgulamak ve makine öğrenmesi algoritmalarının bu alandaki uygulanabilirliğini göstermektir. Çalışma, 2014 yılı dördüncü çeyrek ile 2025 yılı üçüncü çeyrek arası dönemi kapsamaktadır. Bağımsız değişkenler; borçluluk, kârlılık, büyüme ve nakit akışı temelli finansal rasyolardan oluşturulmuştur. Hedef değişken olarak, ilgili hisse senedinin takip eden üç aylık dönemde piyasa değerinin fiyatlanma ivmesinin (PD/DD oranının) artıp artmayacağını belirten kategorik bir sınıflandırma (1: artar, 0: düşer) kullanılmıştır. Denetimli öğrenme yaklaşımı benimsenerek, Lojistik Regresyon, Rastgele Orman (Random Forest) ve XGBoost algoritmaları kullanılmıştır. Veri seti, bu algoritmalar ile modellenerek sonuçları karşılaştırılmış ve değerlendirilmiştir. Uygulama sonuçlarına göre, Random Forest modeli %77,3, XGBoost modeli %76,9 ve Lojistik Regresyon modeli %78,9 doğruluk skoru elde etmiştir. Bu sonuçlar, uygulanan makine öğrenmesi modellerinin finansal oranlar kullanılarak yapılan analizde anlamlı bir sınıflandırma başarısı sağladığını ve ilgili değişkenlerin ayırt ediciliğinin kabul edilebilir düzeyde olduğunu göstermektedir. Geliştirilen modellerin, veri madenciliği ve makine öğrenmesi temelli analizler kapsamında tek başına bir değerlendirme sunmasa da yatırım karar süreçlerinin analizinde yardımcı bir bakış açısı sunabileceği sonucuna varılmıştır.
Özet (Çeviri)
This master's thesis focuses on the analysis of investment decisions based on the financial data of non-bank companies listed in the BIST 30 index using machine learning methods. Aiming to contribute to the technological side of financial literacy by examining the use of machine learning in financial markets in Turkey, the main objective of this study is to emphasize the importance of objective and data-driven approaches in investment decisions in the face of increasing uncertainties and information asymmetry problems in financial markets, and to demonstrate the applicability of machine learning algorithms in this field. The study covers the period from the fourth quarter of 2014 to the third quarter of 2025. Independent variables are financial ratios based on debt, profitability, growth, and cash flow. The target variable is a categorical classification (1: increases, 0: decreases) indicating whether the price momentum (PD/DD ratio) of the relevant stock will increase or decrease in the following three-month period. Adopting a supervised learning approach, Logistic Regression, Random Forest, and XGBoost algorithms were employed. The dataset was modeled using these algorithms, and the results were compared and evaluated. According to the application results, the Random Forest model achieved an accuracy score of 77.3%, the XGBoost model 76.9%, and the Logistic Regression model 78.9%. These results show that the applied machine learning models achieved a significant classification success in the analysis using financial ratios, and that the discriminative power of the relevant variables is at an acceptable level. It was concluded that although the developed models do not offer a standalone evaluation within the scope of data mining and machine learning-based analyses, they can provide a helpful perspective in the analysis of investment decision-making processes.
Benzer Tezler
- Sentiment analysis model proposal with deep learning techniques on big data: Portfolio selection with the help of industry indicators
Büyük veri üzerinde derin öğrenme teknikleri ile duygu analizi model önerisi: Sektör göstergeleri yardımıyla portföy seçimi
MAHMUT SAMİ SİVRİ
Doktora
İngilizce
2023
Endüstri ve Endüstri Mühendisliğiİstanbul Teknik ÜniversitesiEndüstri Mühendisliği Ana Bilim Dalı
PROF. DR. ALP ÜSTÜNDAĞ
- The impact of fx position on systematic risk: Empirical evidence from Turkey
Yabancı para pozisyonunun sistematik risk üzerindeki etkisi: Türkiye üzerine ampirik bir çalışma
MEHMET AKİF MOROĞLU
- Veri zarflama analizi ile etkinlik ölçümüne istatistiksel yöntemlerle yaklaşım: BİST sürdürülebilirlik endeksi örneği
Statistical approaches to efficiency measurement with data envelopment analysis: The case of BIST sustainability index
ECE NUR GENÇER
Yüksek Lisans
Türkçe
2024
İstatistikYıldız Teknik Üniversitesiİstatistik Ana Bilim Dalı
DOÇ. DR. ÖYKÜM ESRA YİĞİT
DR. HÜLYA YÜREKLİ
- The impact of financial fragility on firm performance: An analysis of BIST companies, 2005-2017
Finansal kırılganlığın şirket performansına etkisi: BİST şirketlerinin bir analizi, 2005-2017
TOLGA TUZCUOĞLU
Doktora
İngilizce
2019
İşletmeYaşar Üniversitesiİşletme Ana Bilim Dalı
DOÇ. DR. FATMA DİLVİN TAŞKIN YEŞİLOVA
- Forecasting corporate credit spread changes with time-series models and machine learning: Evidence from Turkish USD bonds
Zaman serisi modelleri ve makine öğrenmesi ile şirket kredi spread'i değişimlerinin tahmini: Türk ABD Doları tahvillerinden kanıtlar
ELİF FEYZİOĞLU
Yüksek Lisans
İngilizce
2026
MaliyeÖzyeğin ÜniversitesiFinans Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EMRAH AHİ
DR. ÖĞR. ÜYESİ LEVENT GÜNTAY